丽莎老师讲机器人之成功率高达97%的读心术技术重大突破

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索钉钉群：31532843。
“读心术”一个只存在于小说或者电视剧里的超能力，能够直接读取人脑中的想法，但是在现实中这个技术已经有了重大突破！
加州大学旧金山分校的研究团队，发表了一项研究成果。他们通过机器学习的方法，把人的脑电波信号直接翻译成了有意义的语句，而且翻译的准确度比以往类似研究的结果都要好很多，平均错误率只有3%。
要是在其他技术上，3%的错误率可能算不上多厉害的成就，但是对脑机接口技术，却是在语音流上的一项重大突破，“语音流”靠的是直接捕捉人脑中想说的文字信息，然后把文字信息直接输出成文本。这就像是直接在大脑里安装了一个由意识控制的话筒一样，你想说出什么语言文字，它马上就能够显示在电脑屏幕上。
在以往的研究中，科学家通过“语音流”技术只能够实现不到40%的准确率，而且这还是在一个只有不到100个词的词汇表里面的识别结果。而在这项研究里，错误率最优可以达到3%，这对于语音流这个技术而言，是一个非常重要的突破。
说到“语音流”就要提一下“鼠标流”，在脑机接口技术的发展过程中，为了能有一天能让人们直接通过意识来输出信息，那么像霍金一样身患残疾的人能表达自己的想法，而且我们普通人如果懒得动手打字，也可以通过脑电波交流。于是就衍生出来两个思路：“鼠标流”和“语音流”。
“鼠标流”就是像鼠标在电脑屏幕上滑动点击一样，人们可以通过有意识地思考“向左”“向上”这样的念头，来控制一个光标，在虚拟字母表上选择想要输出的文字，但是这个方向有个重要的缺点，就是速度太慢，打字只能在屏幕上一个一个用光标选择字母！
“语音流”比“鼠标流”的难度明显不是一个量级的，那么是什么帮助他们做到这次突破呢？答案就是AI。
在以前的研究中，这项实验的难点就在于，在复杂的脑电波信号和明确的语句之间，建立准确的映射关系。换句话说就是找到什么样的脑电波对应什么样的语音信息。毫无疑问，AI技术非常擅长建立映射，找到他们之间的规律。
研究人员选了四位被试者，进行一系列实验，收集脑电波信号，然后通过大量数据训练，让他们的脑电波信号与语句库建立映射关系，然后AI程序就可以根据已知的映射关系，识别你的内心独白了。在这项研究中，AI程序学习识别人类脑电波的速度非常快。其中效果最好的一名被试人员，在仅仅经过9次数据训练之后，准确率就能够高达97%。
如果这项技术真的可以实际应用，对于些失去语言和写字能力的人们来说，就是新生的希望，对于我们普通人来说也就不用担心嘴皮子的速度，跟不上大脑里想法的速度！
不过面临的问题还是有的，如这次实验的范围只包含了100多个词汇，50-60个句子，如果扩大范围，错误率能否保证？还有就是不同人之间，脑电波信号的识别规律是不是完全相同的呢？
然而技术总是在不断进步的，脑机接口技术在未来的前景是非常大的，很多大佬都在抢先布局这个领域，如在2019年Facebook、特斯拉都在这个领域投资布局。

丽莎老师讲机器人之全球四家大型肉类加工机器人公司

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索钉钉群：31532843。
全球肉类工业机器人市场将以近11％的复合年化增长率扩张。肉类行业对高生产率日益增长的需求被认为是刺激整个肉类工业机器人市场增长的主要驱动力之一。
肉类相关企业主越来越倾向于在日常生产运营中引入机器人技术，以通过在规定的时间内从禽类体中提取最大化的可食用肉来优化生产率。现代机器人的技术也进一步增强了肉类的各种操作，例如加工、切割和包装等。该行业使用的机器人可以达到高达95％的自动化切割准确性，因为它们可以通过一些算法来准确确定被切割动物体内骨骼的特定位置从而来提取高质量的肉。
在2008年金融危机导致全球经济放缓之后，2009年的机器人销售大幅下滑，但之后的数据显示，2010年后机器人的销量呈现了继续增长趋势。如今，在面临着COVID-2019的挑战下，全球多家大型肉类供应商其工厂工人因大量感染新冠或预防感染而导致停工，但是消费者对肉类的刚需仍然需要得到满足，因此关于肉类加工领域的机器人自动化发展，在疫情影响下能够发挥多大的作用尤其值得我们关注。
机器人可以为整个肉类行业带来许多优势。首先，机器人可以替代熟练的人工，寻找合格的工人来从事这项困难且具有潜在危险的工作可能是工厂经营者的一个重大挑战之一。
机器人还可以帮助制造商更好地遵守各个国家制定的严格的政府卫生法规。因为只要有人类接触，那么始终就有与人体细菌接触的可能性，从而产生在食品中传播细菌的风险，因此机器人可能是最卫生的选择，它们大多由不锈钢制成，可以经受超大压强清洁以及全面覆盖，可以防止机器人任何部件中的可能存在的任何物质与食物接触。
美国肉类消费规模最大的是牛肉和其他家禽。因此，北美地区拥有完整的肉类产业链，该地区的许多肉类行业经营者正在努力扩大红肉的生产率，以满足普通消费者不断增长的需求。反过来，这也将进一步扩大机器人技术在美国肉类行业中的采用比例。
全球机器人技术市场按类型一般分为切肉机器人、肉类加工机器人和肉类食品包装机器人，同时它们还有按最终用户（例如家禽业和养牛业）以及地理位置（美洲、亚太地区和欧洲、中东和非洲市场）的进一步区分。
目前主要有4家涉及肉类加工机器人业务公司，包括KUKA、SCOTT Automation & Robotics、Mayekawa和JLS Automation，以管测机器人技术在肉类加工行业的实际应用情况。
德国KUKA机器人
KUKA Robotics成立于1898年，总部位于德国柏林。KUKA Robotics提供广泛的工业机器人和机器人系统。KUKA Robotics于 2016年5月18日被美的集团所收购。
KUKA Robotics为客户的具体应用和所处行业提供量身定制的自动化解决方案，并可以根据客户的特定需求开发机器人系统。同时它提供全面的技术服务，包括机器人协作计划等，以帮助客户实现其机器人产品的全部潜力。
库卡机器人（上海）有限公司是KUKA Robotics设在中国的全资子公司，成立于2000年，是世界上顶级工业机器人制造商之一。公司工业机器人年产量超过1万台，至今已在全球安装了15万台工业机器人。库卡可以提供负载量从3千克至1000千克的标准工业6轴机器人以及一些特殊应用机器人，机械臂工作半径从635毫米到3900毫米，全部由一个基于工业PC平台的控制器控制，操作系统采用Windows XP系统。
我们都知道，肉制品加工是一个劳动密集型的行业，需要一致的安全协议，以保护操作人员的健康和安全 ，从而保证消费者的健康和安全。
KUKA Robotics旗下的KR 125机器人可以高成本效益和高标准切割猪肉。切割机器人会使用图像识别系统来判断其切割的准确性。由于可以实现预判来进行切割，因此机器人切割之后的猪肉的后侧面仍可以保持附着状态，这样可以提高肉质的新鲜度和部位的可追溯性。现代机器人切肉机也可以根据用户的规格进行定制。例如，与切割普通培根相比，切割猪肉的力度会更大，反之亦然。
SCOTT Automation & Robotics
SCOTT Automation & Robotics 是自动化和机器人解决方案的提供商，于1913年在新西兰但尼丁成立，当时名为J＆AP Scott工程公司。该公司于1997年通过从多元化公司Donaghy's Limited手中以发行股份形式（以实物发行）的方式在新西兰证券交易所上市。在那个阶段，SCOTT只专注于家电行业，主要将生产的家电销往北美市场。
2018年初，阿尔维集团（Alvey Group）被SCOTT Automation & Robotics 收购，该公司总部位于比利时，在法国、捷克共和国和英国设有业务。斯科特集团的这一重要增添带来了250多名高素质的员工，他们的专业知识极大地增加了SCOTT Automation & Robotics 的现有产品范围和软件功能。
也是在收购阿尔维集团之后，SCOTT Automation & Robotics 紧锣密鼓地收购了总部位于美国的AGV（自动导引车）制造商Transbotics。这个时候SCOTT Automation & Robotics 正在完成从原材料接收到最终分销的整个生产过程，从而构建了完整的端到端机器人产品，这也为 SCOTT Automation & Robotics 后来进军肉类加工行业奠定了基础。
SCOTT Automation & Robotics 如今专门从事自动化生产、机器人技术和相关机械的设计和制造。作为全球自动化和机器人解决方案专家，SCOTT Automation & Robotics 旨在提高工业制造商和加工商的生产率、可靠性、产品质量和安全性，尤其在全球的电器、肉类加工、采矿、材料处理和工业自动化行业。
牛肉自动划线器机器人
该系统结合了X射线（DEXA）、3D扫描仪、彩色相机和机器人技术。正在与澳大利亚肉类和畜牧业合作开发机器人牛肉划线器 。
——可以利用与划线锯和感应技术集成的机器人在切割前准确地确定需要切割的位置和轮廓；
——每个工作班次可节省约2-3个操作员的人工；
——消除使用危险设备造成的人工劳损，或可能出现伤害和外伤的风险；
——更高的处理效率，而且由于机器人一致且可重复的操作，减少了返工的可能性；
——操作质量的大幅度提高：机器人操作的一致性和质量保证；
——减少污染，与手动操作相比，减少了污染的源头。
另外还有与牛肉自动划线器机器人配合的机器人——SCOTT Striploin Saw，经过专门设计，SCOTT Striploin锯带有滑台、倾斜刀片、激光导板、控制手柄和紧急停止装置，以提供最安全，最有效的方法从脊椎骨中去除肋肉。
SCOTT Striploin Saw使去骨机的手与带锯条保持安全距离，并通过激光线辅助他们设置最佳切割轮廓。Striploin锯的设计意味着它比传统锯需要更少的强度和技能，并能产生一致的整齐和直的切口，从而可以进行简单而准确的切割，同时改进的安全功能，在提高产品质量同时增加切割的有效肉类的产量。 具体来说，去除骨头上的残余肉后，Striploin锯可以对剔除的骨头上残余的肉进一步提取，同时保证肉在保持骨头完整的情况下被分离提取出来。
Mayekawa前川喜作
1924年，前川喜作（Kisaku Mayekawa）在日本东京成立了Mayekawa＆Co.。前川喜作一开始是开展制冰和冷藏业务的。自1924年成立以来，他们始终坚持与环境和谐相处的理念来进行协同创造。在跨过千禧年，进入21世纪以来，在全球变暖已经加速的背景下。为了实现可持续发展的社会，前川喜作使用称为“自然五种” 的五种天然制冷剂：氨，二氧化碳（CO 2），空气，水和碳氢化合物（HC），开发了几种适合所需温度和湿度的制冷系统。
同时，由于在工业制造领域的出色发展，前川喜作凭借他们独特的组件和工程技术，为制冷行业以外的工业领域做出了贡献，例如开发和交付了用于自动剔骨鸡肉和猪肉的专用机器人等。
2019年，前川喜作交付了第一台名为“ LEGDAS”自动鸡整腿去骨机。前川喜作的机器人技术可提供等同于熟练工人的性能。只需简单学习机器操作，即可在短时间内培训优质的劳动力，并减少以往工人常见的肌腱炎等职业伤害，从而使机器人为工人提供了一个更加友好的工作环境。
前川喜作的机器人通过在加工肉类时保证与人体的接触尽可能地减少，从而实现了高度卫生的操作。此外，自动化本来就减少了污染源头。除了针对每个特定生产线工艺进行独特的工程设计外，前川喜作还通过结合以先进设备和软件工程为中心的热工技术（包括用于生产管理系统和可追溯性的热工技术），为不同客户的生产线需求提供最佳解决方案，以保持稳定的生产和供应。特别是，对那些有劳动力短缺的工厂，例如如今在疫情影响下，相信绝大多数的工厂都有不同程度的劳动力短缺问题，前川喜作针对这种情况，利用自动化技术为稳定的肉类产品生产和供应做出了贡献。
例如，前川喜作的肉类加工机器人HAMDAS-R可以处理形状不规则的软物体，并且比手动加工具有更快的加工速度，这可以保证HAMDAS-R可以生产出以前只有手动处理才能提供的外观好且质量高的产品。
近年来，愿意从事肉类加工的员工变得越来越稀少，这样的情况会无法满足人员配备需求以确保加工厂的持续生产。此外，相关工人的离职率非常高，并且这些工人难以维持有效进行长时间的去骨工作。
由于肉质的柔软且每块都具有不同的形状，因此去骨过程的自动化已成为一项挑战，迄今为止，这项工作一般是手工完成的，因为高效率有效地从肉中去除骨头需要专业技术，然而很少有专业的技工可以快速、轻松地进行这项工作。
前川喜作的肉类加工机器人HAMDAS-R使得某些去骨分割环节可以实现全自动加工，同时保证更快速和精确的加工效率，加工成品的一致性更好。在分割过程中将不会有原料肉跟工作人员接触，并且操作人员的手与最终产品间的接触，也会被减到最少。
通过使用HAMDAS-R代替劳动密集型且需要熟练技能的手动猪肉火腿去骨工作，肉类加工公司可以在去骨相关领域减少50％~60％的劳动力（从12人减少到6人）。
此外，HAMDAS-R减少了工人可能出现的与工作有关的伤害，例如工人减少了肌腱炎和割伤的可能性。同时，对于去骨工人的高离职率，需要培训高技能的劳动力以及难以熟练去骨的问题，都可以通过安装HAMDAS来解决。HAMDAS可以保持去骨肉质量的稳定性， 通过以恒定的加工速度去骨，产生与手工完成相当的产量，同时保持所需水平的去骨技术，最后确保了稳定且一致的去骨肉品质。

JLS Automation
JLS Automation是一家工业自动化公司，提供机器人箱包装系统。由Joseph L. Souser于1955年成立，JLS具有在许多需要精确度和可靠性的工业应用中成功实施高级运动控制技术的经验。他们对包装自动化的历史可以追溯到1993年，当时他们已经跟相关的食品加工商签约，以实现对其现有的自动化机器和系统进行改造和升级相关肉类和家禽包装解决方案。
如今，JLS Automation提供了简单易用的卫生型机器人包装解决方案，旨在可优化食品行业的操作性能。JLS专为保证安全健康的卫生环境而设计，JLS定制的视觉引导一级和二级机器人具有用户友好、易于操作、启动迅速并确保工人和食品安全的优点。该公司专有的机器人工具和泄漏检测系统已获得多项专利。
无论是将新鲜的鸡胸肉还是需要将切成薄片的肉装入托盘或其他包装机，JLS都可以为客户提供解决方案。通过将包装进行真空隔离，同时对新鲜肉类进行MAP（气调包装）。
以下是JLS Automation生产的肉类包装机机器人处理的一般步骤：
首先JLS包装机器人会将一些牛排（如菲力）或其他排骨切成可装盘的块状并移入MAP托盘， 然后再将装好食物的MAP托盘放入主包装箱或主包装袋，接着进行食品行业的真空包装，最后再统一进行自动装箱、自动整理、热成型袋装等后续收尾工作，就可以进行交付。
同时，JLSTalon机器人取放系统是一种高度卫生且用途广泛的食品包装产品处理解决方案，它可以确保安全操作下保证食品安全，同时可以将未加工或裸露的产品直接装入热成型包装，然后进入下一步的流动包装，MAP或泡沫托盘，这样可以尽可能地减少食品包装过程中可能出现的卫生污染或其他潜在风险，最终目的是尽量减少人工操作，实现高效的在线工艺，从而加快加工时间，节省人工，提高产品质量。
小结
过去，机器人总是被人类小看，认为他们不能从事诸如切肉之类的复杂任务，因为人们一直认为自动化机器无法与人类的精准表现相提并论。但是随着技术的不断发展，越来越多的公司可以根据用户需求对机器人切割机进行广泛的编程和定制化设计，机器人技术在食品行业中的应用有望在未来得到进一步扩展。
我国也非常重视机器人在禽畜养殖、肉类加工中的应用，在“智能机器人”重点专项 2019 年度项目申报指南中，畜禽类肉品高效精准机器人自主分割系统是重点之一。
针对我国畜禽肉分割效率低、损耗多、肉品容易污染及无法溯源等问题，研究快速、精准分割控制技术，基于视觉、力觉的识别与定位技术，研制畜禽类肉品机器人自主精准分割系统，实现精准扫描、快速自主剔骨、肉品追溯等功能，研制基于国产工业机器人的畜禽类肉品机器人自主精准分割工作站，并基于该工作站研发畜禽肉自主分割生产线，在国内大型畜禽肉分割企业开展综合应用验证。

丽莎老师讲机器人之脑机接口大突破:瘫痪者可成功恢复运动能力，触觉准确率达90%

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索钉钉群：31532843。
大多数人都会认为，运动能力和触觉，就像是空气和水一样理所当然。
但对于某些人来说，并非如此。
比如说，那些因为脊髓损伤（Spinal Cord Injury，SCI）而造成身体感知运动回路损伤的不幸者。他们或者身体瘫痪，或者存在机能障碍 & 感知功能障碍——对于他们来说，运动和触觉就像是触不可及的天价奢侈品一样。
而脑机接口技术，为他们带来了希望。
《细胞》（Cell）杂志刊登了一篇来自美国俄亥俄州 Battelle 研究所和俄亥俄州立大学 的研究论文，介绍了一个通过脑机接口（Brain-Computer Interface，BCI）系统来恢复严重脊髓损伤的患者手部触觉和运动能力的案例。
这项研究的参与者是 28 岁的 Ian Burkhart。2010 年，他在一次潜水时不幸发生意外，并因临床上完全性的 AIS-A C5 脊髓损伤（美国脊髓损伤协会减损量表，A 级）而长期瘫痪。
自 2014 年以来，Burkhart 一直与研究人员合作开展一个名为 “NeuroLife” 的项目，该项目旨在恢复他的右臂功能。
那么，这个项目所依据的原理是什么呢？
众所周知，脊髓损伤会损害人体的感知运动电路，从而导致瘫痪、机能障碍和感知功能障碍等疾病。但是，最近的证据表明，严重的临床完全脊髓损伤并不完全阻断来自病灶下方神经支配的皮肤的上行感觉信息传递。
这样就意味着，即使在脊髓损伤后数年，患者感觉不到的触觉刺激，仍会引起大脑皮层活动的变化。而残存的体感神经的存在，以及因此残存的体感信息，可能会对严重脊髓损伤患者的功能恢复产生帮助。
正是瘫痪患者的残余触觉信号，才使得通过脑机接口技术恢复感知或运动功能成为可能。
在这项研究中，研究人员评估了一种假设，即通过脑机接口技术，破译来自受损手部的残余感觉神经活动，并将其动态转换为用户可以感知的闭环感觉反馈，从而潜在地增强感知功能。
同时，由于触觉对于运动控制至关重要，因此，除了单独恢复触觉，脑机接口技术有望让脊髓损伤患者仅仅通过一只手，同时恢复触觉和运动功能。
由此，研究人员在 Burkhart 皮肤上放置了电极系统，并在他的大脑运动皮层中植入小型记录芯片。这种芯片不仅有机会使瘫痪患者恢复正常运动，还可以恢复触觉。研究人员表示，与偶然性相比，他们在实验中达到了 90% 的准确率。
在实验中，这种装置利用电线将运动信号从大脑直接传递到肌肉，从而绕开了脊髓的损伤的部分，使 Burkhart 可以充分控制自己的手臂和手，实现举起咖啡杯、刷信用卡和玩吉他英雄（一款为吉他爱好者专门设计的音乐游戏）等动作。
研究人员的长期目标：用平板电脑控制
正在研究知觉下的触觉信号，并将其提升为有意识的感知。当这样做的时候，看到了一些功能上的改进。当第一次恢复参与者的触觉时，那是一个令人振奋的时刻。
总结来看，该脑机接口技术利用了肉眼难以察觉的微小神经信号，通过将残存的、低于知觉反应范围的触觉信号转换成有意识的知觉，并反馈给参与者，达到增强神经信号的目的，这一技术也极大地丰富了瘫痪患者的运动功能。
实际上，近年来的一些脑机接口研究，已经针对运动皮层单独解码运动的意图。从初级运动皮层解码的运动意图被用于通过机器人肢体、辅助设备或参与者通过功能性电刺激（FES）自己的手来增强运动控制。
然而，尽管如今的脑机接口技术已经可以帮助患者控制机器人肢体来恢复运动功能，但是，想要利用患者自己的肢体来同时恢复触觉和运动功能，仍是一项巨大的挑战。
这款脑机接口系统有三个重要的改进：
首先，该系统使 Burkhart 能够仅通过触觉就能可靠地检测到某些东西，在将来，该系统也可能会被用来查找和捡起一个看不见的物体；
另外，该系统也是第一个能够同时恢复运动和触觉的脑机接口，在运动过程中体验到增强触摸的能力，使患者能够拥有更好的控制感；
最后，这款改进的脑机接口系统能够感应到在处理物体或捡拾物体时要使用多大的力，例如，在捡拾像塑料杯等这样的易碎物体时使用较轻的握紧力，但在捡拾重物时使用更大的握紧力。
Burkhart 也表示：“该装置最初只允许我单方向控制我的手，后来却可以做这么多的事情，真是太不可思议了。”

一直到现在，由于缺乏感官反馈，Burkhart 有时仍觉得自己的手很陌生。除非他密切注意自己的动作，否则，他也难以控制自己的手。由于需要高度集中的注意力，使得简单的多任务处理（如在看电视时喝苏打水）几乎是不可能的。
长期目标是开发一种可以在家庭中和实验室中都能正常工作的脑机接口系统。研究人员目前正在努力制造下一代套管（Sleeve），其中包含所需的电极和传感器，可以容易地装上和取下。
另外，研究人员还计划开发一种可以用平板电脑而不是电脑控制的系统，使其更小、更便携。
脑机接口是一个大方向
值得一提的是，上述研究并不是近来科学家在脑机接口领域取得进展的孤例。
一个由加州大学旧金山分校 实验室的研究团队打造的新型人工智能系统，可根据人脑信号来生成文本，准确率最高可达 97%。该人工智能系统使用了一种全新的方法来解码脑皮质电图：通过植入大脑的电极，来获取皮质活动中所产生的电脉冲记录。

在今年 1 月份，浙江大学医学院附属第二医院也通过 "脑机接口技术"，让一位因车祸而造成第四颈髓层面损伤并四肢瘫痪的病人，获得了用 "意念" 来控制机械臂，从而进行握手、拿饮料、吃油条等操作。

丽莎老师讲机器人之人工智能与神经科学强强联手

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索钉钉群：31532843。
人工智能与神经科学，这两个看似相隔甚远的学科，实际上有着非常紧密的联系。这两个领域的协作是必然的。
正如DeepMind认为的那样：在如此多的利害关系下，目前神经科学领域和人工智能结合的需求比以往任何时候都更加迫切。
神经科学如何启发人工智能
神经科学在人工智能的发展史上扮演了关键角色，它一直是构建人工智能的灵感来源。一般有两种路径：第一，模拟人类的智力，第二，建立模拟大脑结构的神经网络。
模拟人类智能的人工智能系统。
近来人工智能取得了惊人的进步，例如:
· 胜过最强星际争霸玩家的视频游戏
· 比医生更快更好地检测乳腺癌
· 可靠的对象识别，例如特斯拉的自动驾驶汽车
这些机器能够比人类更好地执行任务和解决问题，实现与人类相媲美甚至超过人类的性能。但是，无论看起来多么惊人，它们的设计意图都不过是物善其用罢了，我们距离建立真正的AI世界还有几十年的时间。
尽管思想先进，性能优越，这些人工智能系统在重要方面与人类智力有所不同。为了让机器像人一样学习或思考，它还需要能够：
· 解释以及理解问题
· 通过学习来获取知识
· 将知识运用到新的任务和情况中
在KAIST的一项研究中，研发人员探究人类元强化学习的计算和神经机制，发现人类在做决定时，可以适应复杂性和不确定性。
研发人员希望建立能够像人类一样做出决策，并以人类的方式解决问题的模型。他们的发现打开了这样一种可能性：技术的进步可能有助于制造出更像人类的机器。
人们希望能制造真正像人类一样学习和思考的机器。就像即使蒙着眼睛，我们仍然可能弹好吉他。但如果换成AI，其表现可能会大打折扣。
建立模拟大脑结构的神经网络。
人脑包含大约860亿个神经元，每个神经元都与其他神经元相连。生物神经元是细胞：当一个神经元激活时，它会产生一个棘波，并向其他神经元发送信号。
我们从人脑结构中吸取了灵感，设计出了今天的神经网络。神经网络中神经元的思想与大脑中的生物神经元具有相似的特征。
与人脑一样，机器学习神经网络也由相互连接的神经元组成。当一个神经元接收到输入时，它就会激活，并将信息发送给其他神经元。
人脑的可塑性让我们每次学习新的东西，都是在创造和加强神经元之间的联系。熟能生巧就是基于这样的原理。
同理，向神经网络输入大量数据时，它也会学习。神经网络上的每个连接都与一个权重相关联，权重决定了神经元之间的重要性。在训练过程中，权重相应地调整，以加强或削弱神经元之间的联系。
例如，当我们看一张猫的照片时，我们知道这是一只猫，因为我们在生活中见过足够多的猫。同样，如果给神经网络提供足够多的猫图像，它就会开始识别猫。
在了解神经科学如何启发人工智能模仿人类智力、构建模仿大脑结构的神经网络后，反过来看看，人工智能又会如何推进神经科学。
人工智能如何推进神经科学
人工智能正在迅速成为神经科学中的一个宝贵的工具，它有助于理解人脑的工作原理，并加速神经科学的发展。
人工智能加速神经科学的发展和发现。
机器学习的主要优势在于能够识别复杂数据中的模式，尤其在涉及到分析人类的思想时。大脑发出的信号真的很复杂。随着机器学习的推进，神经科学家正在破解数十亿个大脑神经元协同工作的秘密。
功能性磁共振成像通过检测血液流动的变化来测量大脑的活动，它每秒都能生成大脑活动的高维快照。使用机器学习来分析数据有助于发现大脑活动的方式，从而加快研究工作。
机器学习还有助于开发以前认为不可能的应用程序。韩国大学设计了一个控制下肢外骨骼的实验，测试者可以通过盯着闪烁的灯光集中注意力来控制外骨骼。
人工智能有助于理解人脑的工作原理。
神经科学家正在研究人脑如何思考以及如何控制身体移动。通过了解大脑，我们可以更好地诊断精神疾病，并使残疾人提高运动能力。
AI系统的进步可以帮助神经科学解开大脑的秘密能，神经科学家和研究人员可以利用AI建立更好的模型来模拟人脑。
神经网络扮演着“虚拟大脑”的角色，获取人类大脑的表现。这些虚拟大脑可以产生神经活动模式，类似于从大脑记录下来的模式。有了这些模式，神经科学家可以在进行实际测试之前，测试假设并观察模拟结果。
然而，AI系统的工作方式与人类大脑有着天壤之别。神经网络只是大脑工作方式的一个粗略模拟，它将神经元建模为高维矩阵中的数字。但实际上，人类大脑是一个复杂的生物机器，需要化学反应和脑电活动。这正是人类区别于机器的地方。
由此可见，一方面，人脑是构建AI的首要灵感，人工智能研究人员使用神经科学的概念来构建新的算法；另一方面，人工智能也加速了神经科学的研究，神经科学家可以通过AI来解释人类大脑。毫无疑问，这两个学科在未来将会联手发展，互相促进。

丽莎老师讲机器人之美国昆虫间谍

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索钉钉群：31532843。
美国国防部已投入数百万美元，应用仿生学原理研发微型侦察飞行器。经过多年研发，鸟类和昆虫间谍技术逐步成熟，它们能携带摄像机和录音装置，潜入侦查区域录下视频或音频。研究人员希望，这些迷你飞行器既能在前线侦察敌情，也可飞进危险的地震灾区或化学物质泄漏区域搜寻受困人员。
“纳米蜂鸟”翼展16.51厘米，重量与一节5号电池相近，虽然样子不起眼，但它的功能已经很完备，“蜂鸟”相当于一个迷你版的无人侦察机，腹部装有微型摄像机，飞行速度能达17公里/小时。尽管样貌和真正的蜂鸟相比略显僵硬，人造蜂鸟几乎拥有同样高超的飞行技巧：通过快速扇动身体两侧的翅膀，能够上下左右自由飞动，还能旋转和盘旋。
“纳米蜂鸟”绕着它的研发者、项目负责人马特·克努的头部飞过，然后稳稳地落在马特的手掌上。在远程控制下，“纳米蜂鸟”可以悄悄接近窗户，然后落在窗沿边收集情报。
航空环境公司此次研制蜂鸟飞机，是受美国国防部委托，前后经过5年的开发，耗资400万美元才有所回报。项目负责人马特·克努称，研究微型间谍飞行器是一项颇具挑战的工作，最大的难题是，如何制造一架既能长期飞行，又能遥控或自主控制的飞行机器。
多年来，航空环境公司一直是小型飞行器行业的领军者，他们的产品包括：能够飞行的机械蜥蜴；以氢燃料为动力的小型飞机，它可以飞到大气层最上端的平流层，侦测大片地面区域；还有号称“乌鸦”的小型无人机，这种“乌鸦”仅重1.8公斤，手动投到空中后能传回前方情报，“乌鸦”已被驻伊拉克和阿富汗美军用于侦查路边炸弹。这些小型飞行器虽然都不像昆虫或鸟类，但它们为更逼真的仿生飞行器铺平了道路。
除了让飞行器变得越来越小外，还有研究人员打算走另一条“捷径”，将活生生的昆虫变成半机械的飞行间谍。美国国防部先进研究项目局的科学家正在实验，是否可以在昆虫变态发育过程中植入摄像头或传感器，并通过电刺激它们的翅膀控制其飞行。这种经过改造的昆虫间谍，就能大批出动，飞到各个角落为军方收集情报。
利用昆虫在变化成蛹期间的特性来将其改装成机器昆虫。因为昆虫在每个变态发育阶段，其身体都会完成一次更新，伤口能得到修复，被植入异物后内部器官会重新排列。
这样的改造方案并非异想天开，但要改变昆虫亿万年进化所得的习性并不容易。“成年昆虫生存的目的只有一个：产卵繁殖。要改造昆虫就得重新给它制定行为模式。”事实上，美国国防部先进研究项目局就曾有过失败的例子，他们希望利用蜜蜂和黄蜂来侦察爆炸物，但由于昆虫的本能占了上风，这些昆虫常会在“执行任务”时去觅食或交配。
作为DARPA“混合微电子昆虫”项目的一部分，美国康奈尔大学的研究人员已经成功改造了烟草天蛾。烟草天蛾的幼虫变成蛹后被植入一个微电子传感器，蛹成熟后变成寿命相对较长的蛾子。烟草天蛾们体内的传感器就能控制其肌肉，实现远程操纵烟草天蛾飞行。
昆虫在飞行时，根据肌肉控制的方式可分为两类：一种被称为飞行肌肉同步控制，或直接飞行机制，即神经刺激与肌肉的收缩实现一对一匹配，如蜻蜓、蜉蝣等，这样能进行精准的飞行控制；另一类为非同步飞行控制或间接飞行机制，即神经刺激间接控制肌肉收缩，神经元的输出只控制飞行的开始、停止以及调整强度，也就是说，一次刺激能导致多次肌肉收缩。甲虫、蝇类和蝴蝶等多数昆虫都采用第二种飞行方式，因此科学家选择后者进行研究。
被植入烟草天蛾体内的微电子传感器仅有56平方毫米大，重0.5克。其携带的电池能产生5伏特的电压，刺激烟草天蛾的肌肉进行飞行。实验表明，当烟草天蛾还是蛹时植入传感器效果最好。
虽然在实验中实现了对昆虫的控制，但科学家面临的一个现实问题是植入芯片的重量。
美国加州大学伯克利分校的科学家也在两种甲虫的身上进行类似尝试：微电子系统被植入甲虫体内四个位置，尽管能精确控制飞行方向，但由于芯片的重量过重，第一种实验对象绿金龟根本飞不起来，只有第二种名叫拖瓜塔花金龟的大型甲虫能顺利起飞，最长飞行时间也不过1分钟。这种非洲甲虫最大能长到人的手掌那么大，是甲虫家族中的大力士。不过如果侦查任务都要依靠这种不善飞行的巨人甲虫来完成显然不太现实。
于是，康奈尔大学的研究人员着手改进电池，为了找到一种能持续长久提供动力的能量来源，他们最终选择了放射性同位素，其半衰期为12年，这意味着电池能源源不断地提供能源。但是这又来带了新的问题，首先是放射性元素对人体和生物体的机体具有致癌或遗传效应，其次是辐射是否会破坏微电子设备甚至昆虫本身。
美国军方表示，这些间谍也能用于其他用途，如警察用它来侦查复杂的环境，或探测危险化学物质泄漏；它们也能帮助消防员勘查危险。
“混合微电子昆虫”项目改造昆虫的灵感实际上来自科幻小说《雀鹰》。不过《雀鹰》也警示了改造生物可能引发的未知风险，在这部科幻小说中，由于黑客入侵，头脑由芯片控制的巨型动物被歹徒利用。
改造生物和仿真机械的技术一旦成熟，就将改变情报收集方式：硝烟弥漫的战场上，飞过的一只鸟可能是观测敌情的机械鸟；被改造后的昆虫会悄悄飞入嫌疑人或间谍的住所，不留痕迹地执行监听任务；在污染严重或有致命辐射的地区，大批人造昆虫能完成观测任务并全身而退……这样的变革只是早晚的问题，同时也将不可避免地引发民众对政府的怀疑和不信任。
一旦昆虫间谍真的出现，它们面临的不只是技术困难，还有法律问题。昆虫间谍如果被用于侦查，就可能侵犯公民的隐私。随着越来越多仿生机器人成为人们生活中的一部分，也将给生活方式带来巨大影响。

丽莎老师讲机器人之2020年与人工智能相关的五个行业

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索钉钉群：31532843。
随着互联网的发展，人工智能将在2020年为各个行业创造230万个就业机会。在过去的几年中，人工智能已经改变了很多行业，从教育和医疗保健到时尚和旅游。我们一起看一下在2020年人工智能会带来更多改变的行业。
1.教育
人工智能已经成功地为教育行业开发了各种应用程序，这些应用程序已个让学术领域更具个性化。智能设备取代传统书籍和笔记本电脑也已经有很长的一段时间。许多机构推出的在线教育方式更是十分流行，学生可以在家通过互联网设备来完成他们的课程和作业。
另外通过自动评分系统来分析学生对课程的掌握情况，根据答题结果和答题时间等因素，统计归纳出学生需要加强的知识点，给出合理的预测和分析。

斯坦福大学的专业人士认为，如果采取适当的实施步骤，人工智能将极大地推动学术界的发展，尤其是在个性化层面。预计未来的教育系统将变得更加个性化，给学生提供高度定制的课程。
2.医疗保健
人工智能已经在医疗保健行业中发挥了巨大的作用。
AI的使用不仅仅限于对患者数据进行分类，帮助患者进行诊断分析和康复建议。
如今，AI在医学领域通过引入机器人辅助手术的方法，使外科医生可以进行更精确地进行手术切口，从而节省了手术时间。大数据时代，人工智能对于一些疑难杂症具有更强的筛选诊断功能，协助医生做出更准确的诊断结论。未来，随着机器学习技术不断完善，AI在医疗领域会占据更重要的位置。
3.农业
人口的急速增长，自然资源却在缓慢恶化，这给未来带来了很多难题。我们需要用更少的资源来生产更多的东西。近年来，人工智能在农业领域发挥了明显的作用，不仅通过各种应用提高了数量，而且提高了产品质量。
在国外已经有用于农业的喷洒除草剂机器人和收割机器人，其效率相当于30名普通农民完成的除草任务。人工智能已经在农业领域带来了重大变化。
现在正在进行研究用于生产的机器学习模型，该模型不仅可以跟踪，而且可以准确地预测突然的环境变化对农作物产量的各种影响。一些作物和土壤监测的应用也正在不断完善升级，用来监测作物的健康生长。
人工智能带来的好处可见一斑，至少会帮助人类解决粮食的供给问题。
4.制造业
不难预测，人工智能将很快对制造业产生巨大的影响。我们已经目睹了该行业的重大变化，这些变化对各个领域都带来了极大益处。
各种流水线作业，完全不需要人工干预，只需要培训指定的操作人员来保证机器正常运行，这极大地提高了生产效率，而且产品精度和质量更高。而且，在控制产量和工期上有着极大优势。
5.时尚
全世界的时尚零售商都开始利用AI应用程序为自己打造品牌效应。各种零售商现在正在基于历史数据使用机器学习算法来预测未来用户的需求，大数据的背景使得预测比人工预测更准确。
某些AI应用程序还会分析客户的购买数据，以挑选他们将来可能会购买的产品。例如，提供服装建议，通过浏览过去的购买记录来确定商品货架上的热销物品，并推荐给指定的客户。我们在电商App浏览后，经常会看到推送类似的商品和相关的商品，这就是AI数据分析的产物。
另外该技术还允许商家通过虚拟的设计师或智能助手程序直接与客户联系，从而帮助消费者找到最适合自己的产品。这不仅使购物体验更具互动性和个性化，而且也更自由，不满意的顾客还可以实现在线退货。
人工智能已经以一种或另一种方式开始接管了业务领域，尽管它还不是很完美，但仍在进行持续的研究和改进以最大程度地发挥其潜力和应用。

丽莎老师讲机器人之人工智能不能列为发明人

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索钉钉群：31532843。
美国专利商标局（USPTO）公布了一项裁定结果，声称人工智能不能被列为发明人。目前，只有“自然人”才有权利获得专利。去年，两项相对平凡的专利---一种可变形的食品容器和一种应急手电筒---给全世界的国际专利法规提出了一个存在的问题：发明人必须是人吗？
这两项发明是物理学家和人工智能研究者Stephen Thaler创造的人工智能系统DABUS的作品。现在，USPTO已经裁定，DABUS和其他任何人工智能都不能被列为专利申请中的发明人。
在此之前，美国专利法对机器是否可以发明的规定很模糊，指的是“个人”作为合格的发明人。由于Thaler在容器或手电筒方面没有任何专业知识，也没有帮助DABUS制造这些发明，因此他被列为发明人是不合适的。
在英国，根据当地禁止非自然人发明的专利法，DABUS专利被驳回。美国也紧随其后，规定 “只有自然人可以在专利申请中被列为发明人。”

丽莎老师讲机器人之给机器人当饲养员是啥体验

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索钉钉群：31532843。
2020年3月，人社部等三部门联合发布16个新职业，如人工智能训练师、全媒体运营师、健康照护师、网约配送员等。
“人工智能训练师”这一职业被形象地称为“机器人饲养员”。
利用智能训练软件，对实际使用中的AI产品进行数据库管理、算法参数设置、人机交互设计、性能测试跟踪及其他辅助作业。所做的，就是让人工智能更懂人类，更好地为人类服务。
相较于人工智能开发者，人工智能训练师的工作，更偏向产品的实际使用过程。换言之，设计之初的AI产品，就像刚入学的孩子，人工智能训练师需根据产品预设的不同落地场景“因材施教”，通过不断培养和训练，帮助AI产品“长大成人”，让其有足够的智慧，应对实际应用场景中的各种问题。
团队成员们便注重每日对人工智能模型的学习力、判断力训练，平均每天都要收集3000条当天产生的新数据，对这些问题进行归类、标注，加速它在准确性方面的“进化”。
除了训练和培养AI，人工智能训练师前期还需要对AI学习的材料进行加工，即通过数据筛选得到结构化的核心知识和关键数据，以特定的数据标注规则将数据“喂”给AI并进行“训练”，同时，根据其反馈不断调整参数优化算法，让AI更好地为人类服务。
　疫情摸排通话、呼叫用户取餐……你接的电话，另一头可能是机器人
此次“抗疫”期间，人工智能训练师，在电商服务、票务出行、健康问诊、生活购物等服务体验端，也展现了高效的服务能力。
抗疫期间，2300万人用上AI技术，全国33个城市落地智能防控摸排，机器人每分钟可拨打数千个电话，效率远超人力。大量的数据，如果由人工分析处理需要上月时间，机器人以分钟计算就能完成。
“智能外呼”，一个会给用户打电话的机器人。为让机器人的语音准确率高效，训练员做了无数次的语音技术迭代，最长的一次录音，整整花了三个月。
为了区别于普通的纯粹语音播报，要让它学会场景服务，根据用户的实际需求来拨打电话，按照用户的内容进行人机语言交互。
疫情期间，用户在盒马上买菜、“无接触”配送的背后，也离不开这项技术。数小时内紧急上线“商品送达智能外呼”项目，帮助配送小哥在送抵用户小区时间段，自动外呼用户到指定地点去取餐，既做到了无接触配送，也大幅提升了配送效率，每天可比往常多送2万多单。
不仅是盒马，春节期间，许多用户在天猫超市购买生活用品，但受各方因素限制，发货成了大问题。可没过多久，用户纷纷接到了智能外呼机器人拨打的电话，除了提醒发货困难外，还提供许多智能选项让用户选择解决办法。最后，98%的客户都接受了所提供的方案。
“客户体验就是品牌生命线，通过AI技术，不仅减轻人工客服的压力，还做到‘体验不掉线、服务不打烊’。”“提前预测咨询量，优化智能回复内容，合理安排人工客服团队，稳稳接住350万消费者的咨询。”
人工智能训练师需要具备业务理解能力、智能方案设计能力、数据应用能力和智能训练能力，后三种能力都能教，但第一项是“基本功”，也是最“没法教”的那一项——要么懂业务，要么得听得懂别人讲业务，让智能技术与业务场景更好结合。高效，便是建立在对业务规则的理解上。
“接下去，人工智能训练师要摆脱对某项技术的依赖，真正把人的主观能动性激发出来。”最好的人工智能训练师，是能将新技术用得深、用得精的人，但培训人工智能训练师的重点，要从“怎么用好技术”向“怎么把人培训好”升级。

丽莎老师讲机器人之组装需借助放大镜的纳米无人机“鹬鸟”交付美军使用

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索钉钉群：31532843。
美国航空环境公司最近宣布，一款可以迅速搜集情报、进行监视和侦察的纳米无人机已交付使用。
有大批前线部队官兵接触不到无人机系统。因此他们要么无法感知周边环境，要么不得不依赖别人帮忙。　　
这20架“鹬鸟”无人机交付了没有透露身份的美国军方客户，还有10架已订购但未交货。这一系统小巧便携，一个人就可以使用，使士兵有了获取实时环境感知的能力。
这种四旋翼无人机——重142克——时速可达32公里，飞行里程超过1公里。它使用可充电电池，能够飞行15分钟。据航空环境公司说，该无人机可抵御时速24公里的风。
此外，它还配备了电子光学、能在弱光下工作的长波红外线传感器。不管是白天还是黑夜，它都能拍摄照片或录像。　　
研究人员进行了全套的试验来证明‘鹬鸟’能够应对它将投入使用的环境。　　
这一系统使用市场上销售的平板电脑进行控制，界面很容易操作。“所有的小型无人机系统，操作者实际上不是在操作飞机飞行，而是用目光引导飞机飞行。不用操纵杆，控制装置全在屏幕上。

在‘蜂鸟’的基础上，团队还在探索设计和制造小型无人机的新途径。”目前工程师们使用“钟表匠常用的放大镜来组装使纳米‘蜂鸟’能够飞起来的微型零部件”。

丽莎老师讲机器人之人工智能意识识别已经实现

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索钉钉群：3153 2843。
将大脑活动转化为文本的系统。对于那些无法说话的人，例如患有锁定综合征的人，可能会彻底改变生活。
旧金山加利福尼亚大学实验室的研究人员训练了一种机器学习算法，可以从神经元数据中提取含义。
为了训练他们的AI，研究人员试听了四名参与者的神经活动。作为癫痫病患者，每个参与者都植入了脑电极以监测癫痫发作。
向参与者提供了至少要朗读三遍的50句话。正如他们所做的那样，研究人员收集了神经数据，还进行了录音。
该研究列出了参与者列举的少数句子，其中包括：
“那些音乐家和谐地融为一体。”
“她穿着温暖的羊毛羊毛工作服。”
“那些小偷偷走了三十颗珠宝。”
“厨房里乱七八糟。”
该算法的任务是分析收集的神经数据，并预测何时生成数据。与参与者音频记录中捕获的非语言声音相关的数据首先被剔除。
研究人员的算法很快就学会了预测与神经数据块相关的单词。AI预测说出“一只小鸟在看着骚动”时生成的数据将意味着“那只小鸟在看着骚动”非常接近，而“用梯子救猫和那只男人”被预测例如，“将使用哪个梯子来营救猫和人。”
准确性因参与者而异。基于一个参与者的算法在训练另一个参与者方面具有先机，这表明随着时间的推移和重复使用AI的训练会变得更加容易。
该系统令人印象深刻，因为它为每个参与者使用不到40分钟的训练数据，而不是其他尝试从神经数据中提取文本所需的大量时间。通过这样做，它们可以达到迄今为止尚未达到的精确度。”
先前从神经活动中获取语音的尝试主要集中在构建语音的音素上，而这次研究人员则专注于整体单词。尽管肯定有比音素更多的单词，因此这构成了更大的挑战，“连续语音中任何特定音素的产生都受到其前音素的强烈影响，从而降低了其可分辨性。” 为了最大程度地降低基于单词的方法的难度，口头句子总共使用了250个单词。
显然，还有改进的空间。AI还预言“那些音乐家很棒的和谐”是“菠菜是著名的歌手”。“她穿着温暖的羊毛羊毛工作服”被误认为“绿洲是海市rage楼”。“那些小偷偷走了三十颗珠宝”被误解为“哪个剧院放映了鹅妈妈”，而算法预测的数据“厨房里乱了”表示“有帮助他偷了饼干”。
当然，这项研究涉及的词汇是有限的，句子范例也是如此。“如果您尝试使用的[50个句子]之外，解码会变得更加糟糕。” 另一个明显的警告来自这样一个事实，即AI是根据每个参与者大声说出的句子来训练的，这对于被锁定的患者是不可能的。
这项研究仍然令人鼓舞。对于其中一位参与者的预测，只需进行3％的微小修正即可。这实际上比人类转录中发现的5％错误率要好